| 主权项 |
一种道路流量拥堵报警的方法，其特征在于包括以下步骤：S1.交通参数采集：通过交通流量采集设备采集参数，所述参数包括t时间内的平均车速v(t)、车流量f(t)、占有率o(t)以及车流量图片p<sub>n</sub>，其中n＝{1，2，3，……}，图片P<sub>n</sub>大小均为a*b；S2.特征向量组合：A.将获取到的大小为a*b的车流量图片p<sub>n</sub>全部归一化，用x尺度y方位和对应该图像分辨率的Gabor滤波器对大小为a*b的图像进行滤波，即分别同y<sub>b</sub>个通道的滤波器进行卷积，其中y<sub>b</sub>＝x*y，通过级联卷积可以得到图像GIST特征；B.将大小为a*b的图片划分成b<sub>j</sub>*b<sub>j</sub>的规则网格，各网块依次记为w<sub>i</sub>，其中i＝{1，2，3，…，y<sub>g</sub>}，网格块大小为a'*b'，分别用y<sub>b</sub>个通道的滤波器进行卷积，通过级联卷积可以得到块GIST特征，用G<sup>S</sup>表示每个网格块的GIST特征，对G<sup>S</sup>块各通道进行滤波取平均值后按行组合的方式得到全局GIST特征，用G<sup>G</sup>表示全局GIST特征，即<img file="FDA0000990710700000011.GIF" wi="571" he="78" />G<sup>G</sup>的维数为y<sub>b</sub>*y<sub>g</sub>，所以该图片场景的GIST特征是y<sub>b</sub>*y<sub>g</sub>维的特征向量组；C.计算交通参数变化量：以1分钟为例,车速v(t)的1分钟变化量为：Qv[V(t)]＝|v(t)‑v(t‑1)|；车流量f(t)的1分钟变化量为：Qf[f(t)]＝|f(t)‑f(t‑1)|；占有率o(t)的1分钟变化量为：Qo[o(t)]＝|o(t)‑o(t‑1)|；D.将一张图片的特征向量与该图提取到的交通参数组合成新的向量为：F＝{G<sup>G</sup>,Q<sub>v</sub>[V(t)],Q<sub>f</sub>[f(t)],Q<sub>o</sub>[o(t)]}，新的向量F为模型训练提供依据；S3.模型训练：将三种交通状态：畅通、缓行、拥堵分别以0、1、2代替，即交通状态j＝{0,1,2}，设训练分类器为h,将步骤S2中图片GIST特征和交通参数组合的新的特征向量F放入分类器h，得到训练分类函数h(F<sub>n</sub>)；假设训练函数为g(F<sub>n</sub>,θ<sub>k</sub>)＝j，θ<sub>k</sub>为阈值，根据三种交通状态可以分析得出k＝{0,1}；当h(F<sub>n</sub>)＜θ<sub>0</sub>时，交通状态结果为0，即为畅通状态；当θ<sub>0</sub>≤h(F<sub>n</sub>)≤θ<sub>1</sub>时，交通状态结果为1，即为缓行状态；当h(F<sub>n</sub>)＞θ<sub>1</sub>时，交通状态结果为2，即为拥堵状态；由训练函数g(F<sub>n</sub>,θ<sub>k</sub>)＝j，即<img file="FDA0000990710700000021.GIF" wi="643" he="195" />得到训练误差∑||g(F<sub>n</sub>，θ<sub>k</sub>)‑j||<sup>2</sup>，通过最小二乘法求出θ<sub>k</sub>的值，即求出θ<sub>0</sub>，θ<sub>1</sub>的值；S4.拥堵判断：对于一组由交通流量采集设备采集到的图片，获取每个图片的组合特征向量F，将组合的特征向量F代入训练函数g(F<sub>n</sub>,θ<sub>k</sub>)和分类器函数h(F<sub>n</sub>)中，计算得到实际结果j；若是j为2，则该时刻的交通状态为拥堵，触发警报装置。 |
